关于影响粮食产量因素的回归分析.docx
《关于影响粮食产量因素的回归分析.docx》由会员分享,可在线阅读,更多相关《关于影响粮食产量因素的回归分析.docx(21页珍藏版)》请在冰点文库上搜索。
关于影响粮食产量因素的回归分析
关于影响粮食产量因素的回归分析
摘要:
我国土地资源稀缺,人口多而粮食需求量大,因此粮食产量
的稳定增长,直接影响着人民生活和社会的稳定与发展。
粮食生产的不
稳定性对国民经济的影响是不可忽略的,主要体现在:
粮食生产不稳定
会引发粮食供求关系的变动,尤其当国家粮食储备不足的时候,很容易
导致粮价上涨,从而影响整个宏观经济。
通过回归分析粮食产量波动的原因,并据此提出相应的对策,对保障粮食生产持续稳定发展,具有重
要意乂。
关键词:
线性回归回归分析粮食产量宏观经济稳定发展
一、引言
本文按照计量经济分析方法,以1993—2012年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行
了分析。
选用了粮食产量、受灾面积、化肥施用量、粮食作物播种面积农机动力、农村用电量,以粮食产量作为因变量,其它5个指标作为解
释变量进行回归分析。
(一)建立模型
通过对中国粮食生产及影响因素的初步定性分析后假设,粮食产量与其它
3个指标之间存在多元线性关系,即粮食受灾面积,化肥施用量,粮食作
物播种面积,存在着线性关系,也即可以把粮食产量的线性回归模型初步
设定为:
A
Y-1X^2X23X34X45X5,其中,y:
粮食产量
(CHANLIANG,Xi受灾面积(SZMJ,X2化肥施用量(HFSYL),X3
粮食作物播种面积(BZMJ),X4农机动力,X5农村用电量,然后利用已有
的数据进行模型拟合,以便发现这些因素之间存在的数量关系。
(二)数据搜集和来源
根据相应年度的《中国统计年鉴》、《中国农村统计年鉴》、《中国农业发展报告》,选用了粮食产量、受灾面积,化肥施用量,粮食作物播种面积,农机动力,农村用电量这6个指标,把这6个指标的1993—2012年20年间的时
间序列数据进行回归分析,来分析这些因素与粮食产量的关系。
以粮食产量作为因变量,其它3个指标作为解释变量进行回归分析。
按照计量经济分析方法对影响中国粮食生产的多种因素进行了分析。
数据如下:
粮食产量
受灾面
积
(万公
化肥施
用量
(万
粮食作物
农村用电
量
(亿千瓦
播种面积
(千公
农机动力
(万千瓦)
年份
(万吨)y
顷)x1
吨)x2
顷)x3
x4
时)x5
1993
45648.8
4882.9
3151.9
110509
31817
1244.8
1994
44510.1
5504.3
3317.9
109544
33803
1473.9
1995
46661.8
4582.1
3593.7
110060
36118
1655.7
1996
50453.5
4698.9
3827.9
112548
38547
1812.7
1997
49417.1
5342.9
3980.7
112912
42016
1980.1
1998
51229.5
5014.5
4083.7
113787
45208
2042.1
1999
50838.6
4998.1
4124.3
113161
48996
2173.4
2000
46217.5
5468.8
4146.4
108463
52574
2421.3
2001
45263.7
5221.5
4253.8
106080
55172
2610.8
2002
45705.8
4711.9
4339.4
103891
57930
2993.4
2003
43069.5
5450.6
4411.6
99410
60387
3432.9
2004
46946.9
3710.6
4636.6
101606
64028
3933.0
2005
48402.2
3881.8
4766.2
104278
68398
4375.3
2006
49746.1
4109.1
4927.7
104957
72522
4895.8
2007
50150.2
4899.2
5107.8
105638
76589
5509.9
2008
52850.5
3999.0
5239.0
106792
82190
5713.2
2009
53082.0
4721.4
5404.4
108986
87496
6104.4
2010
54641.0
3742.6
5561.7
109876
92780
6632.4
2011
57121.1
3247.0
5704.2
110573
97735
7139.6
2012
58957.0
2496.0
5838.9
111205
102559
7508.5
本次采用的估计模型为
A
Y=lXl-X23X34X4-5X5
其中'-i是回归系数。
二、模型的参数估计与分析线性
利用SAS对模型进行拟合,参数估计和检验,用最小二乘法得到线性回归方程的形式如下:
Y=-30416-1.24359*X1+5.28523*X2+0.61924*X3-0.14305*X4+0.95538*X5
RootMSE
553,95123
R-Square
0.9875
DependentMean
49546
AdjR—Sq
0.9831
CoeffVar
L11806
ParameterEstimates
Variabte
DF
ParameterEstimate
StandardError
tValue
Pr>|t|
Intercept
1
-30416
4708.76402
_6.46
<・0001
X1
¥
-1.24359
0.25126
-4.95
0-0002
X2
1
5.28523
1.15015
4.60
0.0004
X3
Q61924
0.03356
18.45
<・0001
X4
1
-0.14305
0.06527
-2.19
0.0458
X5
1
0.95538
0,50661
k89
a0802
其中X4为农机动力(万千瓦),但是得到的参数为负值,与其经济学意义不相符,故此推测存在严重的多重共线性。
此外,该模型的F值
221.48,可决系数R方为0.9875,修正可决系数为0.9831说明该模型的显著性成立,方程解释变量X1,X2,X3,X系数的t检验伴随概率小于5%,
即t检验显著性成立,但是解释变量X5系数的t检验伴随概率大于5%,
接受系数为0的假设•因此该方程需要调整,该模型可能存在多重共线性和序列相关、异方差等问题。
三、模型的多重共线性检验
所谓多重共线性是指解释变量之间违背了相互独立的假设,及某两个或多个解释变量之间出现了相关性。
多重共线性的检验主要应用逐步回归
法。
首先计算出各个变量之间的简单相关系数矩阵,初步判断相关性。
通过SAS程序运行,得到各解释变量的相关系数表如下:
Pearson相关系数.N=20当HO;Rho=0时,Prob>|r|
X1
X2
X3
X4
X5
X1
1.00000
-0.72367
0.0003
0.00817
a9727
-0.74251
0・0002
-0,76429
<*0001
X2
72367
0.0003
1,00000
Y).17828
0.4521
0.99953
<.0001
0.97846
C0001
X3
0.00817
0.9727
-0.17828
0.4521
1.00000
-0.19509
0.4098
-0,17565
0.4588
X4
774251
0.0002
0.98953
<•0001
P.19509
a4098
1.00000
0.99145
<・0001
X5
T.76429
C0001
O.97846
<■0001
-0,17565
64588
0.99145
<.0001
L00000
1)第一步:
由于统计量X2的F值最大,为24.47,说明它最显著,此外
R方=0.5761和C(p)=459.3327,所以X2为最先选入的统计量。
StatistiicsforEntry
DF二h18
Variable
Tolerance
ModeI
R-SQuare
FVa1ue
Pr>F
X1
1.000000
0.5465
21.69
0.0002
X2
1.000000
0.5761
24.47
0.QQQ1
X3
1.000000
0,2211
5,11
Q.0364
X4
1.000000
0.5502
22.02
0.0002
X5
1.000000
0.5742
24.27
0.0001
VariableX2Entered:
RSqu&r&-0*5761sndC(p)-459.3327
2)第二步:
其他变量继续进行统计分析,出最显著的统计量X3,此时R
方=0.9548,比上一次更加显著,而C(p)=36.7162,和上一次比下降的非常明显,说明X3这个统计量是有效果的。
StatistiesforEntryDF=1.仃
Variable
Tolerance
Model
R-Square
FValue
Pr>F
X1
0.476304
0,6519
3.70
0.0714
X3
0.968217
0.9548
142.33
<.0001
X4.
0.020821
0.5803
0.17
0.6865
X5
0.042616
0.5815
0.22
0,6473
VariableX3Entered:
RSquare-0.9548andC(p)=36.7162
3)第三步:
继续进行上述步骤,得出最显著的统计量X1,此时RA2为
0.9831,而C(p)=6.9133,下降的非常明显,说明X1是有效果的。
Statist
DF
\usforEntry=1,t6
Variab1e
Tq1©rance
ModeI
R-Square
FValue
Pr>F
X1
0.461221
0.9831
26.90
<.0001
X4
0.020460
0.9551
0.10
a7582
X5
0.042615
CL9607
2,40
61412
VariableX1Entered:
R-Square-0.9831andC(p)二6.9133
4)第四步:
继续上述步骤,发现在水平为0.05下,其他各变量没有通过
显著性检验,所以可以剔除X4,X5。
Statisti
DF
gsforEntry
二1t15
Variab1e
Tolerance
ModeIR-Square
FVaIue
Pr>I
X4
CL018669
0.9843
r16
Q298(
X5
0.035728
0.9832
0.09
0.77V
回归方程为:
Y=-29857-1.29658X1+3.72461X2+0.32648X3
Variab1e
ParameterEstimate
StandardError
TypeIISS
FVaIue
Pr>F
intercept
-29857
4845.34182
13773344
37.97
<,0001
XI
-1.29658
0,24997
9759105
26.90
<.0001
X2
3.72461
0.26395
72228712
199*12
<.0001
X3
0.63248
0.03568
113992726
314.26
<.0001
四、异方差性检验
ParameterEstimates
Vartable
DF
Parameter
Estimate
StandardError
tVa1ue
Pr>Jt|
1ntercept
1
-192788538
125596479
-1.S3
0,1558
X1
1
12493
8306.95198
E50
0.1635
X2
1
8687.22485
14429
0.60
0.5605
X3
1
2689.84670
1765.15336
E52
0.1585
x6
1
-0.17785
0.34122
-0.52
0.6136
x7
1
-0.49501
0.29731
-t66
0.1269
x8
1
-0.00980
0.00670
-1.46
61739
x9
1
-0,21512
0+56769
-0+38
0.7126
x10
1
-0.03105
0.11506
-0.27
0.7927
x11
1
-0.09230
0.05109
-t81
0.1010
ParameterEstimates
Variable
DF
ParameterEstimate
StandardError
t
Value
Pr>lt|
Intercept
1
-72162402
74140558
-0.97
0.3482
X1
1
-219.06616
1259.59740
-0.17
0.8646
X2
1
1767,58784
1965.79964
0.90
0.3849
X3
1
1276.19541
1366,78140
0.93
d3675
x6
1
0.03740
0.14222
Q.26
0.7967
x7
1
-0.19128
0.22396
-0.85
0.4085
x8
1
-0.00592
0+00636
793
0.3689
以上各统计量似乎没有那个参数的t检验是显著的,且可决系数比较小。
但怀特统计量nRA2=20*0.1563=3.126,该值小于5%显著性水平下自由度
为9的2分布的相应临界值16.92.因此,接受同方差性的检验。
五、序列相关性
Durbin—WatsonD
1.70S
NumberofObservations
20
1stOrderAutocorreIation
0,142
由上表得知,D.W.=1.708,查询D.W.分布表得知,n=20,k=4时,
dl=1.00,du=1.68。
du六、统计学检验
选取2012年数据来进行统计检验:
丫=-29857-1.29658*2496.0+3.72461*5838.9+0.32648*111205
=58989.300049
与实际值误差为32.300049,误差为0.0543%,与实际情况吻合的很好。
七、总结和建议
中国的粮食生产问题,不仅是中国经济界的重要研究课题,而且也越来越受
到世界经济学家的重视。
要提高粮食产量,必须积极稳妥地推进农业机械化的发展:
1要把主要农产品生产过程机械化和产业化经营有机结合起来;
2对农业机械化进行结构性调整;
3因地制宜,有重点的推荐地区农业机械化;
4大力促进农业技术进步,重视农村的基础教育;
5建立与农业机械化相适应的农村经济体制。
纵观中国农村现状,与其他产业相比,农业的发展一直比较缓慢。
扩大耕作
面积,提高单产,实现机械化、规模化生产是我国农业健康发展的必由之路。
八、参考文献
吴玉鸣•中国粮食生产主要影响因素的多因素动态关联分析[J],农业经济
问题,1998
(1)
戚世均等•中国粮食生产潜力及未来粮食生产研究[J].郑州粮食学院学
报,2000(3)
庞皓,《计量经济学》[M],西南财经大学出版社,2001年8月第一版周四军,《对我国粮食生产影响因素的计量分析》,《统计与决策》[M],
2003.
赵慧江,《基于回归分析的粮食产量影响因素分析》,《怀化学院学报》
[M],2009.
相关程序:
参数估计:
1)datagrain1;|
inputyearYX1X2X3X4X5@@;cards;
1993
45648.8
4882.9
3151.9
110509
31817
1244.8
1994
44510.1
5504.3
3317.9
109544
33803
1473.9
1995
46661.8
4582.1
3593.7
110060
36118
1655.7
1996
50453.5
4698.9
3827.9
112548
38547
1812.7
1997
49417.1
5342.9
3980.7
112912
42016
1980.1
1998
51229.5
5014.5
4083.7
113787
45208
2042.1
1999
50838.6
4998.1
4124.3
113161
48996
2173.4
2000
46217.5
5468.8
4146.4
108463
52574
2421.3
2001
45263.7
5221.5
4253.8
106080
55172
2610.8
2002
45705.8
4711.9
4339.4
103891
57930
2993.4
2003
43069.5
5450.6
4411.6
99410
60387
3432.9
2004
46946.9
3710.6
4636.6
101606
64028
3933.0
2005
48402.2
3881.8
4766.2
104278
68398
4375.3
2006
49746.1
4109.1
4927.7
104957
72522
4895.8
2007
50150.2
4899.2
5107.8
105638
76589
5509.9
2008
52850.5
3999.0
5239.0
106792
82190
5713.2
2009
53082.0
4721.4
5404.4
108986
87496
6104.4
2010
54641.0
3742.6
5561.7
109876
92780
6632.4
2011
57121.1
3247.0
5704.2
110573
97735
7139.6
2012
58957.0
2496.0
5838.9
111205
102559
7508.5
run;
procprintdata=graini;
title"原始样本值观测";
run;
procregdata=graini;
modelY=X1X2X3X4X5/DW
run;
2)共线性检验:
datagraini;
inputyearYXiX2X3X4X5@@;cards2;
1993
45648.84882.9
3151.9
110509
31817
1244.8
1994
44510.15504.3
3317.9
109544
33803
1473.9
1995
46661.84582.1
3593.7
110060
36118
1655.7
1996
50453.54698.9
3827.9
112548
38547
1812.7
1997
49417.15342.9
3980.7
112912
42016
1980.1
1998
51229.55014.5
4083.7
113787
45208
2042.1
1999
50838.64998.1
4124.3
113161
48996
2173.4
2000
46217.55468.8
4146.4
108463
52574
2421.3
2001
45263.75221.5
4253.8
106080
55172
2610.8
2002
45705.84711.9
4339.4
103891
57930
2993.4
2003
43069.55450.6
4411.6
99410
60387
3432.9
2004
46946.93710.6
4636.6
101606
64028
3933.0
2005
48402.23881.8
4766.2
104278
68398
4375.3
2006
49746.14109.1
4927.7
104957
72522
4895.8
2007
50150.24899.2
5107.8
105638
76589
5509.9
2008
52850.53999.0
5239.0
i06792
82i90
57i3.2
2009
53082.0472i.4
5404.4
i08986
87496
6i04.4
20i0
5464i.03742.6
556i.7
i09876
92780
6632.4
20ii
57i2i.i3247.0
5704.2
ii0573
97735
7i39.6
20i2
58957.02496.0
5838.9
iii205
i02559
7508.5
run;
procprintdata=graini;
title"粮食生产原始样本值观测";
run;
procregdata=graini;
mod